チェックインデータのための微視的および巨視的空間時間トピックモデル【Powered by NICT】

Liu Yu; Ester Martin; Qian Yuqiu; Hu Bo; Cheung David W.

文献

J-GLOBAL ID：201702263358052987 整理番号：17A1346175

チェックインデータのための微視的および巨視的空間時間トピックモデル【Powered by NICT】

Microscopic and Macroscopic Spatio-Temporal Topic Models for Check-in Data

出版者サイト複写サービスで全文入手 {{ this.onShowCLink("http://jdream3.com/copy/?sid=JGLOBAL&noSystem=1&documentNoArray=17A1346175&COPY=1") }}
高度な検索・分析はJDreamⅢで {{ this.onShowJLink("http://jdream3.com/lp/jglobal/index.html?docNo=17A1346175&from=J-GLOBAL&jstjournalNo=T0838A") }}

著者 (5件)： , , , ,
資料名：
巻： 29 号： 9 ページ： 1957-1970 発行年： 2017年
JST資料番号： T0838A ISSN： 1041-4347 CODEN： ITKEEH 資料種別：逐次刊行物 (A)
記事区分：原著論文発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

Facebook,Gowallaのような他のオンラインソーシャルネットワークと共に,ツイッターは百万チェックinsの百を集め始めた。チェックインデータは,ユーザ運動と関心の空間的および時間的情報を捕捉した。チェックインデータの空間的-時間的アスペクトをモデル化し,解析し,時間的話題と領域を発見するために,ここではまず,空間的-時間的話題モデル,すなわち,上流空間-時間トピックモデル(USTTM)を提案した。USTTMは時間的話題と領域を発見することができる,すなわち,領域と話題のユーザの選択は,このモデルにおける時間による影響を受けた。モデルチェックインデータではなく,離散時間と連続時間を用いて,離散化による情報の損失を避けることができる。さらに,USTTMはユーザの興味と活動空間が時間と共に変化するという性質を捕捉し,ユーザはUSTTMにおける種々の時間で異なる領域とトピック分布を持っている。USTTMと他の関連モデルの両方は,単一市,ユーザはPOIを共有する「微視的パターン」捉え,地球規模,ユーザが異なるPOIへのチェックinが「巨視的」パターンを発見できない。,巨視的空間-時間トピックモデル,MSTTM,都市ユーザ関心のトピックスを学習する間の共有されるツイートの単語を提案した。ニューヨーク市とツイッター米国データセットにツイッターとGowallaデータセット上での実験的評価を行った。定性分析では,話題「観光地」は,時間の経過とともにどのように変化するか,例えば,時間的トピックスを発見するために,MSTTMは肉眼的,一般的な話題を発見することを示すためにUSTTMを用いた実験を行った。定量的解析では,パープレキシティ,POI推薦の精度,ユーザと時間予測の精度のUSTTMの有効性を評価した。著者らの結果は,提案したUSTTMは最先端のモデルよりも優れた性能を達成するが,これは他の変数に影響を及ぼす上流変数としてモデル時間より自然であることを確認した。最後に,巨視的モデルMSTTMの性能は,ツイッター米国データセット上で評価し,微視的モデルと比較してPOI推薦精度の大幅な改善を実証した。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

, , , , , , ,
, , , , , , , 【Automatic Indexing@JST】

データベースシステム , その他の情報処理

前のページに戻る